Meta-CEO Mark Zuckerberg hat seinen Vorstoß für weniger regulatorische Hürden bei Open-Source-Künstlicher Intelligenz erneuert und argumentiert, die USA bräuchten ein offeneres KI-Ökosystem, um effektiv mit den schnell agierenden chinesischen Rivalen konkurrieren zu können.
Die Äußerungen erfolgten, als Meta Muse Glimmer vorstellte, ein neues Modell mit offenen Gewichten, das so konzipiert ist, dass es direkt auf Endgeräten läuft und nicht auf teurer Cloud-Infrastruktur.
Zuckerberg deutete zudem an, dass Meta in den kommenden Monaten weitere Modelle veröffentlichen wolle, was die Strategie untermauert, KI breiter zugänglich zu machen.
Der Start erfolgt zu einem Zeitpunkt, an dem Meta versucht, nach der Bildung eines eigenen Superintelligenz-Teams im vergangenen Jahr wieder an Fahrt im KI-Wettlauf zu gewinnen, während Unternehmen angesichts stark steigender Rechenkosten zunehmend nach günstigeren KI-Alternativen suchen.
Gleichzeitig hat die Diskussion eine wichtige Unterscheidung hervorgehoben, die oft missverstanden wird – den Unterschied zwischen geschlossenen Modellen, Modellen mit offenen Gewichten und vollständig Open-Source-KI-Systemen.
Im Silicon Valley herrscht seit langem Uneinigkeit darüber, wie hochentwickelte KI entwickelt werden sollte.
Einige Unternehmen vertreten die Auffassung, dass leistungsfähige KI-Modelle wegen Sicherheitsbedenken geschlossen bleiben sollten, während andere glauben, dass Offenheit für Innovation und Wettbewerb unerlässlich ist.
Um diese Debatte zu verstehen, muss man zunächst untersuchen, was geschlossene Modelle sind, dann Modelle mit offenen Gewichten und schließlich, was echte Open-Source-KI ausmacht.
Was sind geschlossene Modelle?
Künstliche Intelligenz-Modelle lernen, indem sie Muster in enormen Mengen digitaler Informationen erkennen.
Während des Trainings an Büchern, Nachrichtenartikeln, Websites und anderen Online-Dokumenten wandeln sie diese Muster in Milliarden numerischer Werte um, die als „Gewichte“ bezeichnet werden.
Diese Gewichte bestimmen letztlich, wie ein KI-Modell denkt, auf Eingaben reagiert und Inhalte erzeugt.
Die KI-Systeme, mit denen die meisten Verbraucher heute interagieren – OpenAIs ChatGPT, Anthropics Claude und Googles Gemini – sind Beispiele für geschlossene Modelle.
Obwohl Nutzer über Websites oder Programmierschnittstellen (APIs) auf diese Systeme zugreifen können, geben die dahinterstehenden Unternehmen die zugrundeliegenden Gewichte, die die Modelle antreiben, nicht frei.
Das bedeutet, Entwickler können sie nicht herunterladen, auf eigenen Rechnern installieren, intern prüfen oder für spezifische Anwendungen anpassen.
Anthropic und OpenAI haben argumentiert, dass führende KI-Systeme eng kontrolliert bleiben sollten, weil immer leistungsfähigere Modelle erhebliche Sicherheitsrisiken bergen und in sorgfältig verwalteten Umgebungen entwickelt werden sollten.
Meta, Nvidia, Microsoft und Google haben im Allgemeinen eine offenere Haltung eingenommen und vorgebracht, dass breiterer Zugang Innovation fördert und Entwicklern ermöglicht, neue Geschäftsmodelle rund um KI-Technologie aufzubauen.
Trotzdem warnen Forscher, dass geschlossene Modelle eigene Risiken schaffen.
Laut dem Institut für menschenzentrierte KI der Stanford University sind geschlossene Modelle nicht zwangsläufig sicherer als offene Alternativen, konzentrieren aber enorme Macht in den Händen weniger Unternehmen.
Wenn führende KI-Fähigkeiten über APIs bereitgestellt werden, entscheiden diese Unternehmen, wer Zugang erhält, wie viel er kostet und welche Werte in Technologien einfließen, die zunehmend bestimmen, wie Menschen arbeiten, kommunizieren und schöpferisch tätig sind.
Was sind Modelle mit offenen Gewichten?
Modelle mit offenen Gewichten nehmen eine Mittlerstellung zwischen vollständig geschlossenen Systemen und komplett Open-Source-KI ein.
Wenn Entwickler ein KI-Modell als Modell mit offenen Gewichten beschreiben, meinen sie damit, dass die trainierten Gewichte des Modells öffentlich gemacht wurden.
Das ermöglicht externen Entwicklern, das Modell herunterzuladen, lokal auszuführen und für spezifische Zwecke wie Gesundheitswesen, Cybersicherheit oder Softwareentwicklung feinzujustieren.
Bleiben die Gewichte privat, müssen Nutzer exakt mit der KI interagieren, wie es die Ersteller vorgesehen haben.
Allerdings offenbaren Modelle mit offenen Gewichten nicht alles.
Unternehmen veröffentlichen typischerweise nur die trainierten Parameter, während sie den ursprünglichen Trainingscode, Datensätze, Details zur Modellarchitektur und große Teile der Methodik zurückhalten, die beim Aufbau des Systems verwendet wurden.
Als Ergebnis gewinnen Nutzer an Flexibilität, ohne vollständige Transparenz zu erhalten.
Modelle mit offenen Gewichten sind zudem häufig deutlich günstiger als führende KI-Systeme von Unternehmen wie OpenAI und Anthropic, da sie oft lokal ohne teure Cloud-Computing-Ressourcen ausgeführt werden können.
Obwohl mehrere US-Unternehmen Modelle mit offenen Gewichten veröffentlichen, stammen viele der derzeit am weitesten verbreiteten Systeme aus China, darunter Alibabas Qwen-Familie, DeepSeeks Modelle, Moonshot AIs Kimi-Reihe und Zhipu AIs GLM-Serie.
Ihre Popularität ist schnell gewachsen, da Unternehmen niedrigere KI-Betriebskosten suchen und gleichzeitig größere Kontrolle über die Bereitstellung behalten möchten.
Und was sind Open-Source-Modelle?
Zuckerbergs wiederholte Forderungen nach Open-Source-KI haben die Debatte darüber neu belebt, ob die heutigen sogenannten „offenen“ KI-Modelle tatsächlich Open Source sind.
Es gibt einen wichtigen Unterschied zwischen der Veröffentlichung eines KI-Modells mit offenen Gewichten und dessen Freigabe als vollständig Open Source.
Offene Gewichte bedeuten, dass nur die vortrainierten Parameter veröffentlicht werden, die das Verhalten des neuronalen Netzes bestimmen.
Das ermöglicht Entwicklern, Inferenz durchzuführen und das Modell für nachgelagerte Anwendungen zu fine-tunen.
Wesentliche Elemente bleiben jedoch unzugänglich, darunter der Trainingscode, die ursprünglichen Datensätze, die Modellarchitektur und der Prozess, mit dem das Modell trainiert wurde.
Die Freigabe von KI in dieser Form erweitert den Zugang, schränkt jedoch Transparenz, Reproduzierbarkeit und unabhängige Überprüfung ein.
Entwickler, die Modelle mit offenen Gewichten nutzen, müssen letztlich den Urteilen und Repräsentationen vertrauen, die die ursprünglichen Ersteller gelernt haben, ohne sie vollständig rekonstruieren oder auditieren zu können.
Ein wirklich Open-Source-KI-Modell geht deutlich weiter.
Es umfasst alles, was erforderlich ist, um das Modell von Grund auf reproduzieren zu können — Quellcode, Architektur, Trainingsmethodik, Hyperparameter, Datensätze und begleitende Dokumentation.
Dieses Maß an Offenheit ermöglicht Forschern nicht nur, das Modell auszuführen, sondern es auch zu inspizieren, zu verbessern und vollständig neue Systeme auf derselben Grundlage zu entwickeln.
„Zwischen Open-Weight-KI und Open-Source-KI klafft eine große Lücke“, sagte James Landay, Direktor des Denning-Programms des Stanford Institute for Human-Centered AI, laut.
„Offene Gewichte beantworten die Frage ‚Kann ich das ausführen?‘ Open Source beantwortet die Frage ‚Kann ich dem vertrauen, es verbessern und das Nächste darauf bauen?‘ Im Moment beantworten fast alle – amerikanische Labore wie chinesische – die erste Frage, aber bei der zweiten sind wir meilenweit entfernt.“
Metas Vorstoß für Open-Source-Modelle
Anlässlich der Modellveröffentlichung veröffentlichte Zuckerberg einen 14-seitigen Essay, in dem er seine Vision für die Zukunft der künstlichen Intelligenz darlegte.
In dem Dokument mit dem Titel The Future is for Everyone argumentierte er, KI solle als Werkzeug zum breiten gesellschaftlichen Nutzen betrachtet werden und nicht als Technologie, die streng eingeschränkt werden müsse.
Er betonte außerdem, dass die Vereinigten Staaten ihre Führungsrolle gegenüber China im globalen KI-Wettlauf behaupten müssten.
Ohne Wettbewerber wie Anthropic und OpenAI namentlich zu nennen, kritisierte Zuckerberg Ansätze, die strengere Kontrollen für fortgeschrittene KI-Systeme befürworten.
Er argumentierte, dass die Konzentration der Technologie in den Händen weniger Unternehmen selbst Risiken schaffen könne.
„Anstatt Superintelligenz zu zentralisieren, sollten wir sie verteilen“, schrieb Zuckerberg, 42, in dem Essay. „Das hat das Potenzial, eine neue Ära persönlicher Ermächtigung einzuleiten.“
Das Unternehmen gehörte zu den ersten großen KI-Entwicklern, die ein großes Sprachmodell, LLaMA, im Februar 2023 öffentlich veröffentlichten. Meta stellte sowohl den Inferenzcode zur Ausführung des Modells als auch die während des Trainings erlernten Gewichte bereit.
Organisationen wie die Open Source Initiative haben jedoch argumentiert, dass LLaMAs Lizenzbeschränkungen – insbesondere die Regelungen zur kommerziellen Wiederverwendung – verhindern, dass es die anerkannte Definition echter Open-Source-Software erfüllt.
Stattdessen klassifizieren viele Experten es als Modell mit offenen Gewichten.
Viele Entwickler sind dennoch der Ansicht, dass echte Open-Source-KI nicht nur Code und Gewichte, sondern auch die während des Trainings verwendeten Datensätze umfassen sollte, um vollständige Transparenz darüber zu ermöglichen, wie diese zunehmend einflussreichen Systeme gebaut werden.
The post Zuckerberg fordert mehr Open-Source-KI: Unterschiede zu geschlossenen Modellen appeared first on Invezz
